摘要
第一章 绪论
1.1 课题研究背景及意义
1.2 放射治疗简介
1.2.1 精确放射治疗
1.2.2 精确放疗面临的挑战
1.3 人工智能简介
1.3.1 机器学习
1.3.2 深度学习
1.4 人工智能在放射治疗中的应用
1.4.1 人工智能在OARs分割中的应用
1.4.2 人工智能在呼吸运动监控中的应用
1.4.3 人工智能在放疗毒性预测中的应用
1.5 主要研究工作
第二章 基于深度学习的脑肿瘤放疗OARs的自动分割研究
2.1 引言
2.2 方法和材料
2.2.1 迭代分割框架
2.2.2 EnUNet
2.2.3 OARs分割
2.2.4 实验数据
2.2.5 方法实现
2.2.6 评价标准
2.3 结果
2.3.1 OARs定位结果
2.3.2 分割结果
2.3.3 分割结果可视化比较
2.3.4 分割效率
2.4 小结与讨论
第三章 基于深度学习的乳腺癌放疗运动监控的ROI自动选择研究
3.1 引言
3.2 方法和材料
3.2.1 病人表面的特征表示
3.2.2 病人表面的ROI提取
3.2.3 RE预测模型
3.2.4 ROI选择
3.2.5 验证实验
3.2.6 评价指标
3.3 实验结果
3.3.1 模型预测准确度
3.3.2 ROI的自动选择
3.4 小结与讨论
第四章 基于主成分分析的肺肿瘤放疗内部器官运动跟踪研究
4.1 引言
4.2 方法和材料
4.2.1 运动跟踪模型
4.2.2 模拟体模数据
4.2.3 临床病人数据
4.2.4 定量评价指标
4.3 实验结果
4.3.1 模拟体模数据
4.3.2 临床病人数据
4.3.3 算法效率
4.4 小结
第五章 应用于直肠放疗毒性预测的表面剂量精确累加算法研究
5.1 引言
5.2 方法和材料
5.2.1 精确点配准
5.2.2 验证数据
5.2.3 定量评价指标
5.3 实验结果
5.3.1 膀胱的变形配准
5.3.2 直肠的变形配准
5.3.3 表面剂量精确累加
5.3.4 表面剂量精确累加在直肠毒性预测中的应用
5.4 小结
第六章 总结与展望
6.1 研究成果与总结
6.2 未来工作展望
参考文献
攻读博士期间的研究成果
致谢
声明